当因果推断遇见DDML和AI

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

在经济学研究中，我们常常面临这样的问题：

如何从海量的数据中准确地识别出因果关系？

如何在复杂的现实情境中，找到那些隐藏在表象之下的真实影响因素？

因果推断正是为了解答这些问题而生。

它要求我们首先明确目标参数，即我们想要估计的因果效应究竟是什么；

然后构造识别策略，将这个不可观测的因果效应转化为可以观测的统计参数；

最后，通过构造合适的估计量，利用样本信息来估计这个统计参数，从而得到目标参数的估计值

这一过程，不仅需要扎实的理论基础，更需要灵活运用各种方法和工具。

2025年的‘因果推断’课程，紧跟学术前沿，进行了重要更新。

新增了：

→ 高维协变量下的统计推断和因果推断方法，这在大数据时代尤为重要，因为很多时候我们面临的解释变量个数甚至多于样本量。

→ 同时，还增加了平行趋势假设检验方法及平行趋势假设不满足时的敏感性分析方法，这对于双重差分等研究设计来说，是至关重要的检验环节。

→ 此外，因果中介分析的理论和应用介绍也被纳入其中，帮助我们更好地理解因果作用的传递机制。

→ 而最令人兴奋的是，课程将结合deepseek/Grok + Stata数据处理，借助最新人工智能大模型的力量，为科研助力，让数据处理和分析变得更加高效、智能。

当因果推断遇见DDML和DeepSeek

基于设计的计量经济学

2025年5月 南京专场

培训时间：2025年5月1-4日（四天）

培训安排：上午9:00-12:00；下午14:00-17:00；课后答疑

培训方式：

• 现场：南京市鼓楼区酒店会场
  
• 线上：腾讯会议同步直播
  
  

参加现场提供交通住宿指南，会议酒店住宿提供协议价（含早）；

现场班根据缴费顺序安排座位，现场名额限30人。

*现场与远程均提供录播回放，赵西亮老师亲自答疑。

主讲介绍

赵西亮教授，现任厦门大学经济学院和王亚南经济研究院经济学教授、博士生导师。

清华大学经济管理学院数量经济学专业博士，美国康奈尔大学和芝加哥大学访问学者，加拿大西安大略大学经济系博士后。长期从事中国经济和应用计量经济学研究，编著教材《基本有用的计量经济学》，被京东评为“十大构思细腻的大学教材”之一。

赵教授在《经济研究》、《经济学》（季刊）、《数量经济技术经济研究》、《World Economy》等国内外重要期刊发表论文数余篇，同时是China Economic Review，《经济研究》、《管理世界》、《经济学（季刊）》、《世界经济》等国内外重要期刊的匿名审稿人。

课程亮点：
1. 前沿理论与方法的深度剖析
深入学习统计推断的基本内容，从线性回归、饱和模型、二元选择模型，到带惩罚项的线性回归，如Lasso、岭回归等，再到Neyman正交、Double Lasso等前沿方法，让我们对参数估计方法有全面而深刻的理解。
同时，详细讲解潜在结果框架、因果图等理论基础，帮助我们构建坚实的因果推断理论体系。

2. 因果推断全流程的系统讲解
课程涵盖了因果推断的整个流程，从定义因果效应参数，到选择合适的识别策略，再到估计统计参数，每一步都详细讲解，让学员能够清晰地掌握因果推断的逻辑框架。
无论是随机化实验、非混杂性条件下的因果效应估计，还是工具变量法、固定效应方法、双重差分法等具体方法的应用，都有详尽的案例分析和实操指导。

3. 高维数据与因果推断的紧密结合
随着大数据时代的到来，高维数据成为了我们研究中常见的挑战。课程新增的高维协变量下的统计推断和因果推断方法，将帮助我们更好地应对这一挑战。通过学习Chernozhukov等人发展的理论，包括双重Lasso和双重机器学习等方法，学员能够掌握在高维数据环境下进行因果推断的有效途径。

4. 人工智能大模型的助力
结合DeepSeek/Grok + Stata数据处理，是本次课程的一大亮点。借助人工智能大模型的力量，我们可以更高效地进行数据编程和学术研究。这不仅能够提高数据处理的效率，还能为研究提供新的思路和方法，让学员在科研工作中如虎添翼。

5. 实战案例与实操指导
课程中将通过大量的实战案例，帮助学员更好地理解和应用所学知识。从班级规模与学习成绩的研究，到种族与就业歧视的分析，再到移民冲击和工资的影响等，这些案例覆盖了学术研究的多个领域，让学员能够将理论与实际相结合，提升解决实际问题的能力。同时，课程还提供实操指导，让学员在实践中掌握各种方法的应用技巧。

课程收获
1. 理论知识的全面升级
学完本课程，你将对统计推断和因果推断有全新的认识。
不再局限于传统的线性回归等方法，而是能够掌握多种前沿的参数估计和因果推断方法，如双重机器学习、因果中介分析等。同时，对因果效应参数、统计参数和统计量之间的区别有清晰的理解，能够准确地定义研究问题中的因果效应参数，为后续的分析奠定坚实的基础。

2. 研究方法的灵活运用
课程涵盖了多种因果推断方法，如随机化实验、匹配、倾向指数匹配、逆概率加权、工具变量法、固定效应方法、双重差分法等。通过学习这些方法的理论基础和应用实例，你将能够根据不同的研究问题和数据特点，灵活选择合适的方法进行因果推断。无论是处理复杂的高维数据，还是面对交错政策等特殊情境，都能够运用所学方法进行准确的因果效应估计。

3. 科研效率的显著提升
借助deepseek/Grok + Stata数据处理，你将掌握如何利用人工智能大模型来提高科研效率。从数据的预处理、清洗，到模型的构建和结果的解读，大模型都能够为你提供有力的支持。这将大大节省你的时间和精力，让你能够更专注于研究问题本身，提高科研工作的整体效率。

4. 学术研究的深度拓展
通过学习课程中的前沿理论和方法，你将能够拓展自己的学术视野，为未来的学术研究提供更多的可能性。无论是深入研究某一领域的因果关系，还是探索新的研究方向和方法，本课程都将为你提供坚实的理论基础和实用的工具支持。同时，与其他学员的交流和互动，也将为你带来新的灵感和合作机会。

培训大纲



获取培训通知、会议邀请联系人：
JG学术刘老师
TEL：18600257362
WX：jgzjwanzi

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：DDM dml 数量经济技术经济研究 stata数据处理 王亚南经济研究院

往期学员评价及
课后学员群答疑

赵教授编著的教材《基本有用的计量经济学》被京东评为“十大构思细腻的大学教材”之一，其核心贡献在于：

1. 明确因果识别框架：

提出实证研究需区分因果效应参数（causal estimand）、统计参数（statistical estimand）和估计量（estimator），强调分配机制（treatment assignment）在因果推断中的核心作用；

2. 方法论创新：

系统整合随机化实验、自然实验（如工具变量、DID、断点回归）等方法，并引入高维协变量处理（如Double Lasso）和交错DID的最新进展（如Goodman-Bacon分解）；

3. 应用拓展：

近期在因果中介分析领域取得突破，提出自然间接效应和直接效应的识别条件，应用于教育回报、职业选择等经济问题。

他主持的暑期课程（如2023-2024年北京现场班）结合Stata软件实现，涵盖从基础理论到论文复制的全流程，吸引了大量学者参与。

赵西亮在《基本有用的计量经济学》中提出“因果识别三要素”框架（因果效应参数、统计参数、估计量），强调分配机制（TreatmentAssignment）的核心地位，解决了传统计量经济学中因果推断与统计推断的混淆问题。这一框架被学界视为对Rubin因果模型和Pearl因果图模型的整合与简化，更适合中国实证研究场景。

赵西亮在高维协变量处理（如Double Lasso）、交错DID（Staggered DID）的Bacon分解、因果中介效应识别等领域有原创性研究，尤其近期提出的 “非参数中介效应识别条件”突破了传统线性模型的限制，被应用于教育经济学与劳动经济学研究。

赵西亮团队的研究（如户籍制度对收入差距的影响、教育回报的异质性分析）直接服务于国家发改委、教育部的政策制定，其因果推断方法被政府部门采纳为评估工具。

赵西亮的课程以 “问题驱动”为核心，从研究设计出发，逐步拆解因果识别假设（如SUTVA、无混淆性），再引入匹配方法、工具变量等解决方案。其课程（如“因果推断与政策评估”）通过完整复现经典论文（如Card and Krueger的最低工资研究），帮助学生掌握从理论到代码的全流程。

赵西亮在课程中系统讲解“非随机实验数据的处理”，例如：

如何利用合成控制法（SCM）评估区域政策；  

如何通过断点回归（RDD）解决模糊分配问题；  

如何用机器学习方法（如因果森林）处理异质性因果效应。

赵西亮的课程提供 “全链条”支持，包括：  

独家整理的Stata因果推断代码库；  

与腾讯混元大模型合作的AI辅助研究工具（如自动生成DAG图、检验工具变量外生性）；  

与国内外顶刊合作的数据复现项目（如《经济研究》论文的数据公开与解析）。

支持支持

支持一下

谢谢分享！

谢谢分享